التعلم الخاضع للإشراف
التعلم الخاضع للإشرافإنها طريقة تعلّم آلي يتم فيها تدريب الشبكة باستخدام أمثلة معروفة إجاباتها، وتوجد علاقة بين المخرجات والمدخلات.
يمكن عادةً تعلم الأنماط أو إنشائها استنادًا إلى بيانات التدريب واستخدامها لاستنتاج حالات جديدة، حيث تتكون بيانات التدريب من المدخلات والمخرجات المتوقعة. يمكن أن يكون مخرج الدالة قيمة مستمرة أو تصنيفًا متوقعًا.
تصنيف التعلم الخاضع للإشراف
غالبًا ما يتم استخدام التعلم الخاضع للإشراف لمشاكل التصنيف والانحدار. الفرق بين خوارزميات الانحدار وخوارزميات التصنيف يكمن في نوع متغيرات الإخراج، حيث يحدد الانحدار الإخراج الكمي أو التنبؤ بالمتغير المستمر؛ يحدد التصنيف نوع الإخراج أو التنبؤ بالمتغير المنفصل.
تصنيف أساليب التعلم الآلي
هناك ثلاثة مناهج رئيسية في مجال التعلم الآلي:
- التعلم الخاضع للإشراف: التدريب باستخدام أمثلة للإجابات المعروفة؛
- التعلم غير الخاضع للإشراف: النمذجة المباشرة لمجموعة البيانات المدخلة، مثل التجميع؛
- التعلم شبه المشرف: الاستفادة الشاملة من البيانات المصنفة والبيانات غير المصنفة لتوليد الوظائف المناسبة.
التعلم الخاضع للإشراف المستخدم بشكل شائع
- خوارزمية أقرب جار K
- شجرة القرار
- بايز الساذج
- الانحدار اللوجستي
- الشبكة العصبية للانتشار العكسي